买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国海洋大学

摘要：基于Kmeans聚类和支持向量机的蟹类攻击性分类的方法，包括通过镜像实验重复测定蟹的攻击性行为，记录并量化蟹的攻击性行为，对攻击性行为进行时间自相关性分析，然后对实验蟹进行多次配对争斗实验，测定并量化蟹的争斗行为，分析不同攻击性类别间争斗行为的差异，采用SVM初步构建蟹的攻击性分类模型，通过K折交叉验证和网格搜索，优化攻击性分类模型，通过预测值的准确度、灵敏度和特异性对模型进行评估，将模型应用于蟹攻击性行为分类。本发明首次将机器学习应用于蟹类攻击性分类，将Kmeans聚类和SVM相结合，为个体的攻击性评估构建更高效的方法。并简化了蟹类攻击性的定性评估指标，为蟹类的优良品种选育提供行为学方法。

主权项：1.一种基于Kmeans聚类和支持向量机的蟹类攻击性分类的方法，其特征是包括以下步骤：步骤1，通过镜像实验重复测定蟹的攻击性行为，样本量不少于100只；步骤2，记录并量化蟹的攻击性行为：首先，将镜像实验测定的攻击性行为指标分为两种类别：攻击指标和非攻击指标，攻击指标包括攻击镜像、螯足展示频率、螯足展示累计持续时间、靠近镜像和撤退，非攻击指标包括相对移动距离——移动距离与甲宽的比值、静止频率和静止累计持续时间；然后记录镜像实验中上述指标的发生次数与累计时间；步骤3，对攻击指标和非攻击指标测定结果进行时间自相关性分析，以验证镜像实验测定结果的准确性；步骤4，采用Kmeans聚类分析筛选最优分类值K，并对蟹的攻击性进行分类和标注：1.Kmeans聚类分析的特征向量设为镜像实验测定的5种攻击指标，包括攻击镜像、螯足展示、螯足展示累计持续时间、靠近和撤退；2.首先，将原始数据进行最大最小均一化处理，作为后续分析的特征值；3.然后，绘制手肘图筛选最优分类值K：选取不同的分类值K，，K=1:10通过Kmeans函数对特征值进行聚类分析，以分类值K，K=1:10为横坐标，误差平方和为纵坐标绘制手肘图，手肘图的拐点处对应的K值即最优解；4.根据最优分类值K对蟹的攻击性进行分类和标注；步骤5，对实验蟹进行多次配对争斗实验；步骤6，测定并量化蟹的争斗行为：通过拍摄的视频，记录和量化争斗行为，包括靠近——实验个体主动接近匹配个体、撤退——个体之间发生争斗相互作用后分开、示威——螯足展示频率、防御——螯足展示累计持续时间、静止累计持续时间、争斗回合总数——个体间发生争斗的次数总和、争斗的概率——出现争斗的实验次数与所有配对实验之比、争斗强度得分；以上指标以重复实验的均值作为最终结果；步骤7，分析不同攻击性类别间争斗行为的差异，验证Kmeans聚类结果的可靠性；步骤8，采用支持向量机（SVM）初步构建蟹的攻击性分类模型；步骤9，通过K折交叉验证和网格搜索，优化攻击性分类模型；步骤10，通过预测值的准确度、灵敏度和特异性对模型进行评估；步骤11，将模型应用于蟹攻击性行为分类：1.对一只蟹通过3-5次镜像实验，测定攻击性评估指标中的三项非攻击指标，包括移动距离——用于计算相对移动距离、静止频率和静止累计持续时间；2.将上述3种攻击性评估指标的原始数据分别取平均，作为攻击性分类模型的输入变量；3.将变量输入攻击性分类模型，输出的结果即该只蟹的攻击性类别。

全文数据：

权利要求：

百度查询： 中国海洋大学 基于Kmeans聚类和支持向量机的蟹类攻击性分类方法